Une des applications les plus discutées de l’intelligence artificielle générative (IAG) en enseignement supérieur est celle de la personnalisation de l’apprentissage par le biais d’un tuteur intelligent adaptatif, mais les assises théoriques des études sur l’usage de l’IAG pour offrir de la rétroaction sont rares (Tremblay et al., soumis). À partir de l’analyse de cette recension, de quelques autres projets de développement de tuteurs intelligents ainsi que des travaux de l’équipe sur le sujet, nous proposons une recherche orientée par la conception (McKenney, 2018) en trois phases, visant à concevoir un système de tutorat intelligent adaptatif qui s’appuie sur des modélisations théoriques claires, soit, la théorie de l’étayage de Bruner (1983), ainsi que sur le modèle de la connaissance pédagogique du contenu (Schulman, 1987). La première phase partirait des conceptions alternatives identifiées, des modes de représentation et des niveaux de représentation ciblés, correspondant à l’identification de la problématique à atténuer. La deuxième phase miserait sur une approche de co-conception regroupant les utilisateurs ciblés, ainsi que les spécialistes en IA et en sciences de l’éducation, et exploiterait des techniques de rédactique, de RAG (retrieval augmentation) et de fine tuning. Éventuellement, l’IA prendrait le rôle d’un tuteur en étayant l’apprentissage grâce à une rétroaction personnalisée.